同步定位与地图构建(S im u ltaneous loca lization and m app ing,SLAM)作为能使移动机器人实现全自主导航的工具近来倍受关注。本文对该领域的最新进展进行综述,特别侧重于一些旨在降低计算复杂度的简化算法的分析上,同时对它们进行...
详细信息
同步定位与地图构建(S im u ltaneous loca lization and m app ing,SLAM)作为能使移动机器人实现全自主导航的工具近来倍受关注。本文对该领域的最新进展进行综述,特别侧重于一些旨在降低计算复杂度的简化算法的分析上,同时对它们进行分类,并指出其优点和不足。本文首先建立了SLAM问题的一般模型,指出了解决SLAM问题的难点;然后详细分析了基于EKF的一些简化算法和基于其他估计思想的方法;最后,对于多机器人SLAM和主动SLAM等前沿课题进行了讨论,并指出了今后的研究方向。
针对LIO-SAM(lidar inertial odometry-smoothing and mapping)算法在小范围室外建图时后端基于距离和时间阈值的回环检测存在误检测、重复检测的问题,本文提出一种基于时间距离—熵策略改进后端回环检测的TDE-LIO-SAM(LIO-SAM based on...
详细信息
针对LIO-SAM(lidar inertial odometry-smoothing and mapping)算法在小范围室外建图时后端基于距离和时间阈值的回环检测存在误检测、重复检测的问题,本文提出一种基于时间距离—熵策略改进后端回环检测的TDE-LIO-SAM(LIO-SAM based on time distance-entropy reduction strategy)算法。该算法首先通过距离阈值和时间阈值初步筛选出备选的回环,然后根据回环点云的熵值减少量来确定最终的匹配回环,同时考虑到TDE-LIO-SAM在实际工程中的应用,引入了一种针对六轴IMU(惯性测量单元)快速重力对齐方法,使LIO-SAM在使用6轴IMU时也能快速进行重力对齐,进一步提高了算法对不同规格传感器的适用性。在开源KITTI数据集和自采数据集下进行实验,实验结果表明改进后TDE-LIO-SAM算法相较于LIO-SAM算法回环误匹配数量显著减少,定位精度提升8%以上,在KITTI07数据集上绝对定位精度达到5 cm以内。
暂无评论